| Summary: | De très nombreux dispositifs de communication sans fil fonctionnant dans des bandes de fréquences différentes sont déployés dans le monde du ferroviaire afin de répondre à la multitude des usages et des besoins, des applications de contrôle-commande mettant en jeu la sécurité aux applications non vitales (Information voyageur, vidéo surveillance, télévision embarquée, etc..). Ces applications sont associées à des exigences de Qualité de service qui nécessitent des techniques d’estimation et de synchronisation performantes. Ces systèmes de communications s'appuient sur des standards qui reposent aujourd'hui sur deux technologies clefs: l'OFDM (Orthogonal Frequency-division Multiplexing) et le MIMO (Multiple-Input Multiple-Output). La combinaison MIMO-OFDM permet d'allier les avantages des deux méthodes. Cependant, l'orthogonalité entre les sous-porteuses du système MIMO-OFDM est mise à mal par les interférences entre porteuses provoquées par l'effet Doppler et l'offset de fréquence et le bruit de phase variant entre les oscillateurs à l'émission et à la réception. Ainsi, les techniques classiquement utilisées pour l'estimation de canal ou l'égalisation dans un environnement statique, fonctionnent de manière très dégradée en présence d'interférences entre sous-porteuses.L'objet de cette thèse vise à développer de nouvelles méthodes et des algorithmes d'estimation et de synchronisation du canal très sélectif en temps et en fréquence afin de permettre l'évolution des systèmes de communication vers des standards mieux adaptés aux liaisons mobiles à grande vitesse. Il convient de distinguer le cas où le canal de propagation ne varie pas pendant la durée d'un symbole OFDM et celui où il varie. Dans ce travail de thèse, nous nous sommes focalisés sur le deuxième cas. Nous avons d'abord développé un algorithme basé sur le filtre de Kalman étendu et la décomposition QR pour les transmissions MIMO-OFDM. Nous faisons d'abord une approximation du modèle d'expansion de base (BEM) pour les variations temporelles des gains complexes. Notre algorithme modélise l'évolution des coefficients de BEM à l'intérieur d'un symbole OFDM par un modèle auto régressif (AR). Puis, nous présentons un offset de fréquence normalisé appelé CFO normalisé dans la transmission du système OFDM qui introduit les interférences entre porteuse (IEP). Cet offset de fréquence est également modélisé par un modèle AR. La faculté du filtre de Kalman étendu nous permet d’estimer de manière conjointe ce CFO et les coefficients BEM. L'algorithme utilise un détecteur QR pour estimer les symboles de données. Cet algorithme a montré de bonnes performances pour des récepteurs à vitesses très élevées.Notre deuxième contribution consiste en un algorithme qui s'appuie sur le premier algorithme pour résoudre l'IEP dû au bruit de phase existant dans l'oscillateur du récepteur, ainsi que l'IEP dû à l'effet Doppler, mais en se limitant au cadre SISO. Ici, nous considérons que le bruit de phase présente une grande variance à l'intérieur d'un symbole OFDM et également entre les deux symboles OFDM suivants. Le bruit de phase est modélisé par un processus Brownien. Ensuite, le filtre de Kalman étendu estime le vecteur des coefficients de BEM et le vecteur du bruit de phase dans les symboles OFDM. Cet algorithme est très performant et présente un BER remarquable dans les cas où la connaissance du canal et du bruit de phase est mauvaise voire inexistante. === Numerous wireless communication devices operating in different frequency bands are deployed in the railway domain to answer the multitude of uses and needs, from control and command applications involving safety to non-critical applications (passenger information, video surveillance, on board TV, etc.). These applications are associated with quality of service (QOS) requirements that need estimation techniques and synchronization performance.These communications systems are based on standards that rely on two key technologies: OFDM (Orthogonal Frequency-Division Multiplexing) and MIMO (Multiple-Input Multiple-Output). The combination of MIMO and OFDM permits to benefit from the advantages of both methods. However, the orthogonality between subcarriers of OFDM-MIMO system is destroyed by inter-carrier interference caused by the Doppler effect and frequency offset and phase noise varying between oscillators at transmission and at reception. Thus, the performances of the techniques conventionally used for channel estimation and equalization in a static environment are considerably destroyed in the presence of interference between subcarriers.The purpose of this thesis is to develop new methods and algorithms for estimation and synchronization in very selective channel in time and frequency to allow the evolution of communication systems towards standards that will match better with high speed vehicular communications. It is important to distinguish the case where the propagation channel does not vary during the OFDM symbol duration and when it varies. In this thesis, we focused on the latter.We first developed an algorithm based on the Extended Kalman Filter and the QR decomposition for MIMO-OFDM transmissions. We first approximate the Expansion Model as a basis for temporal variations in complex gains. Our algorithm models the evolution of BEM coefficients within an OFDM symbol by an auto regressive model (AR). Then, we present a normalized frequency offset called normalized CFO in OFDM transmission system that introduces interference between carriers (IEP). This frequency offset is modeled by an AR model. Properties of Extended Kalman filter allow us to estimate simultaneously the two unknown variables, a vector of coefficients, the other BEM normalized frequency offset. The QR algorithm uses a detector to estimate the data symbols. This algorithm presented good performance for receivers at very high speeds. Our second contribution consists of an algorithm that uses the first algorithm to solve the IEP due to phase noise existing in the oscillator of the receiver, and the IEP due to the Doppler effect, but limited to SISO case. Here, we consider that the phase noise has a large variance within one OFDM symbol and also between the two following OFDM symbols. The phase noise is modeled by a Brownian process. Then, the Extended Kalman filter estimates the vector of coefficients of BEM and the vector of phase noise in OFDM symbols. This algorithm is very effective and has a remarkable BER performance when knowledge of the channel and phase noise is poor or nonexistent.
|
|---|
